scratchplot story generation

スクラッチプロット：事前に訓練された言語モデルを促してストーリー生成

このリポジトリには、事前に訓練された言語モデルからのプロット書き込みのコードが含まれており、INLG 2022に登場します。この論文は、最初にPLMにコンテンツプランを作成するように促す方法を紹介します。次に、ストーリーのボディを生成し、コンテンツプランを条件付けします。さらに、追加のPLMSを使用して生成された（ストーリー、エンディング）ペアをランク付けすることにより、生成とランクのアプローチを採用します。

このレポはディノに大きく依存しています。いくつかの小さな変更を加えたので、使いやすさのための完全なコードを含めます。

使用法

1。プロット要素の生成

場所、キャスト、ジャンル、テーマを含む。

sh run_plot_static_gpu.sh

コンテンツ計画要素は1回生成され、保存されます。ストーリーを生成するとき、システムはオフラインで生成されたプロット要素からサンプルします。

2。シーンごとにプロットを生成します

sh run_plot_dynamic_gpu_single.sh

3。ストーリーのバッチを生成します

sh run_plot_dynamic_gpu_batch.sh

注記

• 一部のハイパーパラメーターは、BASHスクリプトにハードコーディングされています。必要に応じて変更できます。最も一般的なものは次のとおりです。
  • GPUをお持ちでない場合は、 dino.pyと呼ばれるすべてのコマンドに--no_cudaを追加します。
  • エントリ数を変更できます。 RAMが小さい場合（<8GB）、OOMエラーが発生する可能性があります。そのような場合、エントリの数を減らします（ストーリーが少なくなると犠牲になります）。
  • 各世代の長さを変更することもできます。
  • このペーパーでは、エンドツーエンドのコンテンツプランとストーリー生成を紹介しますが、コンテンツプランの形式を確認してから、コンテンツプランを手動で作成するか、システム生成をキュレートすることもできます。

設定

python3が必要です。 Python 3.6および3.8でテストしました。

pip3 install -r requirements.txt

 import nltk
nltk . download ( 'punkt' )
nltk . download ( 'stopwords' )

引用

このリポジトリでコードを使用する場合は、次の論文を引用してください。

 @inproceedings{jin-le-2022-plot,
    title = "Plot Writing From Pre-Trained Language Models",
    author = "Jin, Yiping  and Kadam, Vishakha and Wanvarie, Dittaya",
    booktitle = "Proceedings of the 15th International Natural Language Generation conference",
    year = "2022",
    address = "Maine, USA",
    publisher = "Association for Computational Linguistics"
}

他のタスクにDinoを使用する場合は、次の論文も引用してください。

 @article{schick2020generating,
  title={Generating Datasets with Pretrained Language Models},
  author={Timo Schick and Hinrich Schütze},
  journal={Computing Research Repository},
  volume={arXiv:2104.07540},
  url={https://arxiv.org/abs/2104.07540},
  year={2021}
}